Datos de ventas en todos los canales

Técnicamente no hay un límite duro — pero en la práctica merece la pena un enfoque escalonado.

Fase 1 (típicamente 3–5 fuentes): los canales de venta más importantes más una fuente de CRM. Con eso normalmente cubres el 80–90 % de los ingresos y puedes basar en ello las mayores decisiones. Esfuerzo de setup: 6–10 semanas.

Fase 2 (ampliación a 8–15 fuentes): datos de marketing (Meta, Google Ads), plataformas de email, sistemas de almacén y logística. Aquí el foco se desplaza de «medir ventas» a «dirigir el negocio». Por fuente, 1–2 semanas de esfuerzo de setup.

Qué determina el límite: no la elección de herramientas, sino el mantenimiento de datos. Más de 20 fuentes activas rara vez tienen sentido sin un equipo de datos dedicado.

La respuesta depende de qué decisiones tomas sobre los datos — el tiempo real es más caro y complejo y no tiene sentido para cada caso de uso.

Diferencia de coste: las pipelines en tiempo real cuestan típicamente 3–5× más que los batches diarios — tanto infraestructura como setup.

Consejo práctico: empieza con agregación diaria. Si tras 6 meses aparecen casos de uso concretos de tiempo real, reconvierte streams individuales de forma selectiva — no todo a la vez.

• La agregación diaria basta: informes operativos (CFO, marketing, responsables de tienda), reviews de ventas semanales, rutinas de reporte mensuales, análisis de cohortes estratégicos
• El tiempo real merece la pena: avisos operativos de rotura de stock, pricing de marketplace en tiempo real, dashboards en vivo para promociones, monitorización de fraude

BigQuery tiene una lógica pay-per-use con dos principales generadores de coste: almacenamiento y costes de consulta.

Comparación con alternativas: una herramienta BI SaaS clásica para una funcionalidad comparable cuesta a menudo 500–2.000 € al mes por seat — con 5 usuarios eso son rápidamente 2.500–10.000 €. BigQuery es casi siempre más barato en coste total de propiedad.

• Pequeño (1–5 M de eventos de venta/mes, 3–5 fuentes): típicamente 30–80 € de almacenamiento + consulta
• Medio (5–30 M de eventos/mes, 5–10 fuentes): típicamente 80–250 €
• Grande (más de 50 M de eventos/mes, más de 10 fuentes, muchos dashboards): 300–800 €
• Enterprise (tiempo real + muchos usuarios concurrentes): desde 1.000 € — aquí merecen la pena los contratos de capacidad reservada

Una de las decisiones más importantes — y depende más de tu equipo que del volumen de datos.

El híbrido suele ser la mejor solución: fuentes estándar vía herramientas cloud (p. ej. Airbyte para Shopify, Stripe), fuentes custom vía desarrollo propio (p. ej. API de Lightspeed, informes de marketplace). dbt como capa de transformación es el mismo en ambos casos.

Regla general para la compensación de costes: las herramientas cloud cuestan a menudo 100–500 € al mes por fuente — con 10 fuentes son 1.000–5.000 € al mes. El desarrollo propio tiene costes de setup de 4–8 horas por fuente, luego costes recurrentes de 0 €. A partir de 6 fuentes, el break-even se alcanza normalmente tras 12 meses.

• Las herramientas cloud merecen la pena: sin data engineers internos, APIs mayormente estándar, un time-to-value rápido más importante que costes optimizados
• El desarrollo propio merece la pena: fuentes propietarias, volumen de datos exponencial para SaaS, lógica de transformación especial, el cumplimiento exige control total

Sí — y es uno de los insights más importantes que se interiorizan tras los primeros proyectos multicanal. Construir una única vista para todos los stakeholders es casi siempre un error.

Importante: todas las vistas se basan en los mismos datos en bruto del data warehouse. Solo la capa de agregación y visualización se hace a medida por público. De lo contrario surgen de nuevo los conflictos de datos entre áreas que en realidad queríamos evitar.

• Vista CFO: ingreso bruto, ingreso neto, impuestos por canal y ubicación, cifras ajustadas por devoluciones, comparación con el forecast, margen/contribución
• Vista marketing: rendimiento por campaña/canal/creatividad, análisis de cohortes, CLV, tasa de repetición, atribución de canal, tiempo real durante promociones
• Vista tienda/ventas: ingreso diario por ubicación y empleado, productos top/flop, comparación con el periodo anterior y con otras tiendas

Sí, en la mayoría de los casos los datos históricos se pueden construir a posteriori — con algunas limitaciones concretas por fuente.

Enfoque típico: un backfill inicial de los últimos 12–24 meses durante el setup, tras lo cual la pipeline continúa con los datos en curso. Con volúmenes de datos mayores, el backfill se hace en chunks semanales.

Importante: la reconstrucción es una inversión única con un esfuerzo claramente estimable. La calidad de datos continua es más importante a largo plazo que la profundidad histórica — si tuvieras que elegir entre 5 años hacia atrás y una pipeline limpia para el futuro, elige la pipeline.

• Bien reconstruible: Shopify (2 años hacia atrás vía API), marketplaces como Amazon/Otto/Zalando (1–2 años), sistemas TPV (mayormente disponibles localmente), datos de CRM (completos)
• No, o solo parcialmente, reconstruible: datos de fuentes apagadas, correcciones manuales de Excel sin audit trail, informes agregados de herramientas sin exportación de datos en bruto

Una primera consulta típica para datos de ventas multicanal dura unos 30–45 minutos y está concebida deliberadamente para clasificar tu caso — no para vender un paquete cerrado.

Lo que no es: una llamada de venta con presión. Si tu caso es demasiado pequeño, demasiado grande o temáticamente inadecuado para mí, lo digo abiertamente — y te menciono alternativas adecuadas si hace falta.

• Lo que hablamos: qué fuentes de venta existen hoy y cuáles faltan, dónde está el mayor dolor de datos, qué conocimiento de datos hay en el equipo, qué herramientas se usan ya
• Lo que tienes después: una valoración de si tiene más sentido una auditoría de tracking o un proyecto de arquitectura de datos, un orden de magnitud aproximado (esfuerzo, duración, coste), recomendaciones de acción concretas incluso sin más colaboración